Dans le même temps, les gouvernements de tous les pays se lancent également dans la course au lancement d'une recherche avancée sur l'intelligence artificielle, qui considère l'intelligence artificielle comme un moyen d'accroître l'impact économique et de devenir une puissance économique.
Nous sommes dans les premières étapes de l'apprentissage de la machine de battage médiatique sur le marché du travail en évolution rapide peut commencer à se calmer - c'est parce que la machine d'apprentissage en fait tous les grands domaines de l'industrie du logiciel a pénétré, de la simple application de l'annexe du moteur de recherche pour les ventes Le logiciel de gestion peut voir l'ombre de l'apprentissage automatique.
AI maintenant encore prêt à battre le champion du monde. Robot humanoïde peut effectuer un saut périlleux arrière parfait et atterrissage avec succès. Cependant, les algorithmes d'intelligence artificielle sur un certain nombre de tâches de base facile pour l'homme est loin d'être parfait, comme la compréhension de l'image Dans la scène, ou identifier le contexte du dialogue.
Dans le même temps, la promesse de l'intelligence artificielle générique - ou l'intelligence artificielle des nouvelles tâches d'apprentissage rapide non supervisées - reste inconnue. Bien qu'une poignée d'entreprises, y compris Vicarious, System et Kindred, investissent encore dans l'intelligence artificielle générique, Mais il n'y a presque aucun détail ou preuve réelle.
Les applications d'IA d'aujourd'hui ne se concentrent que sur une gamme très étroite de tâches, mais ce sont ces tâches d'intelligence artificielle, étroites, qui remodèlent le commerce, les marchés et les industries.
Pour aider les gens à saisir l'état de milliers de trajectoires de développement global de l'influenza aviaire et, récemment, le rapport Insights CB publié AI, 13 types d'intelligence artificielle d'ici 2018 il y aura une tendance à l'expansion de prédire, en vue de parties prenantes dans le domaine de l'intelligence artificielle Apportez l'inspiration.
Tout d'abord, l'émergence d'un nouveau travail de col bleu - robot nounou
Aux États-Unis, les opportunités d'emploi dans les robots industriels et la fabrication sont en hausse.
Comme souvent sous-traiter les emplois manufacturiers à la main-d'œuvre pas cher dans les pays en développement et critiquées. Afin de réduire le coût des robots industriels, ont parfois besoin de faire de fabrication de base plus près des besoins de l'emplacement du produit.
Récemment, le fabricant chinois de t-shirts Tianyuan Garment Company a signé un protocole d'accord avec le gouvernement américain pour mettre en place une nouvelle usine de vêtements en Arkansas pour embaucher environ 400 travailleurs à un salaire horaire de 14 dollars. Plan d'action à réaliser d'ici la fin de 2017.
La nouvelle usine de Tianyuan à Little Rock, en Arkansas, utilisera un robot de couture de SoftWare Automation, une start-up basée en Géorgie pour l'intelligence artificielle, développée par SoftWare Automation pour la production de vêtements par Adidas. , Alors que les travailleurs humains occupent des postes de haut niveau incluant la maintenance et l'exploitation des robots, le nombre et la nature des emplois manufacturiers seront très différents de ceux de 2008.
Le Bureau of Labor Statistics définit et analyse les différents emplois dans l'industrie manufacturière, par exemple, en raison de l'impact de l'automatisation, le Bureau n'est pas optimiste quant aux perspectives des inspecteurs du contrôle de la qualité, des assembleurs et des constructeurs.
En 2012, le contrat conclu entre Advanced Planning and Research Agency du Département de la Défense des États-Unis et SoftWear Automation indiquait clairement que «l'objectif ultime est de parvenir à un site de production complet où la production de vêtements est directement artificielle.
Mais les préférences changeantes des consommateurs et l'incapacité à s'adapter aux changements spectaculaires des processus sont encore des obstacles complètement automatisés.
Cela est évident même dans l'entrepôt Amazon hautement automatisé.
Robot entrepôt collectif d'Amazon ours la plupart des travaux lourds, les travailleurs de l'homme se concentre sur le travail détaillées, comme la sélection des produits, puis inséré dans un ordre séparé des étagères.
Cependant, le robot dans un vide sanitaire de l'environnement non structurées, les aspects de sélection et de traitement de l'article est encore loin d'être satisfaisante. Amazon a été utilisé pour plus de 100.000 robots dans divers entrepôts, mais aussi de créer un certain nombre de l'humanité dans le nouveau centre de distribution un millier de nouveaux dollars d'emplois.
En second lieu, l'application de l'intelligence artificielle infiltrée tous les horizons
tendance Irresistible du développement de l'intelligence artificielle, de la marijuana à l'industrie brassicole, l'apprentissage de la machine semblent faire quoi que ce soit.
L'intelligence artificielle est partout dire précisément, l'apprentissage de la machine est partout dans l'apprentissage automatique se réfère à des algorithmes de formation sur les grands ensembles de données, l'apprentissage automatique comment identifier et générer le mode souhaité avec le passage du temps, l'algorithme ... - fournir les paramètres corrects par un créateur humain - dans l'accomplissement de leurs tâches sera encore mieux.
Tant qu'il y a des données pour former le logiciel et les esprits ont attendu la sortie, cette technologie peut être appliquée à toutes les choses essentiellement.
Alors, vous verrez:
société britannique IntelligentX veut lancer la première intelligence artificielle bière brassée dans le monde.
Russe Deepfish réseau de neurones en utilisant une variété de poissons, la combinaison de la technologie radar et l'intelligence artificielle pour distinguer les images radar de poissons et de bruit.
Suède Hoofstep a ensuite soulevé le capital-risque pour réaliser l'analyse basée sur le comportement des chevaux d'apprentissage en profondeur.
Êtes-vous végétarien? Avocats sans gluten? Ou vous êtes allergique au soja? New York, Prose veulent utiliser l'intelligence artificielle dans les produits de soins capillaires personnalisés. La société de Forerunner Ventures, Lerer Ventures Hippeau et autres vent bien connu Maveron bureau de CIC a soulevé 7.570.000 $ en financement.
En outre, l'intelligence artificielle est utilisée dans la technologie du cannabis, DeepGreen utilise la vision par ordinateur pour identifier les organes génitaux et l'état de santé des plants de cannabis, et Weedguide a recueilli 1,7 million de dollars de recommandations de financement pour le cannabis personnalisé.
La différence entre les passe-temps et les idées génératrices de revenus est seulement de savoir si une chose est perçue à long terme, et nous nous attendons à voir plus de «AI pour X» hors de la boîte en 2018. La nouveauté croissante de la popularité et des idées montre que l'intelligence artificielle n'est pas une rareté et est au contraire l'une des pierres angulaires des logiciels et des applications modernes.
Troisièmement, la Chine et les États-Unis se disputent les leaders mondiaux de l'intelligence artificielle
Bien que la Chine AIEC ait une part de marché de 9% sur le marché mondial, en 2017, près de 50% des fonds IPO mondiaux sont allés en Chine pour la première fois au-delà des États-Unis.
La Chine met activement en œuvre une vision bien conçue de l'intelligence artificielle dans laquelle la Chine a déjà vaincu les États-Unis dans certains domaines de l'intelligence artificielle.
Le gouvernement chinois est également en train de promouvoir un futur plan d'IA couvrant tout, de l'agriculture intelligente, de la logistique intelligente aux applications militaires et de l'intelligence artificielle à la création d'emplois.
Certaines des ressources seront utilisées dans des start-up chinoises innovantes développant l'intelligence artificielle dans diverses industries, allant des soins de santé aux médias.
En effet, la Chine ne représentait que 9% du chiffre d'affaires global des start-up, mais en 2017, les flux de financement de l'intelligence artificielle globale vers la Chine représentaient 48% du total des fonds d'investissement, pour la première fois en Chine. Seulement 11,3% des fonds mondiaux.
En ce qui concerne la part des actifs dans les start-up d'IA, les États-Unis occupent toujours la position dominante au niveau mondial, mais leur part dans les transactions mondiales est en baisse.
En outre, les demandes de brevet des entreprises chinoises reflètent également les capacités de recherche et de développement.
Dans le cas des demandes de brevets, les sociétés chinoises ont largement dépassé les États-Unis. La recherche de brevets liés à l'intelligence artificielle en Chine dépasse de loin le nombre de brevets publiés par le US Patent and Trademark Office.
Prenant l'apprentissage en profondeur comme exemple, la Chine publie 6 fois plus de brevets dans ce domaine que les États-Unis (Note: avant l'annonce de la demande de brevet, le processus de dépôt de brevet a mis du temps).
La reconnaissance faciale et les puces d'intelligence artificielle sont également deux technologies qui stimulent le développement de l'intelligence artificielle en Chine, le premier répondant au plan gouvernemental de mise en œuvre de la surveillance nationale, ce qui pose un défi direct aux puces fabriquées aux États-Unis.
La société de licorne de Chine Face ++, Shangtang Technology et le nuage de start-up de la science et de la technologie sont les trois principaux acteurs dans ce domaine (ce dernier a obtenu le financement du gouvernement municipal de Guangzhou de 301 millions de dollars américains).
Près de 50 villes en Chine ont rejoint le "Shining Project" en 2017. Les caméras de surveillance installées dans les zones publiques et privées seront traitées de manière centralisée pour surveiller le personnel ainsi que diverses situations, et les médias ont indiqué que cette décision aiderait la Chine Système de crédit social pour considérer le «crédit» des citoyens.
Kuang que la technologie a remporté le soutien des compagnies d'assurance chinoises (Sunshine Insurance Group), les organisations gouvernementales (Russie-China Investment Group) et les géants corporatifs (Foxconn, Ant Financial), la société a reçu des données faciales de 1,3 milliard de citoyens chinois.
Alibaba, qui opère avec des fourmis, et Foxconn, deux investisseurs, se sont associés à Hangzhou en 2016 pour lancer le projet «City of the Brain», qui utilise l'intelligence artificielle pour analyser les données des caméras de surveillance et des médias sociaux.
Vêtements d'or fourmi dans les magasins de détail appartenant à Alibaba en utilisant le paiement indépendant de la technologie de reconnaissance faciale.
Les États-Unis et la Chine rivalisent également pour la domination de la technologie des puces d'intelligence artificielle.
En juin 2017, le gouvernement chinois a annoncé que d'ici 2020, l'intelligence artificielle rattraperait les États-Unis et dépasserait les États-Unis en tant que leader mondial en intelligence artificielle. Un projet soutenu par le gouvernement vise à créer un monde où les opérations et l'efficacité énergétique sont loin derrière Ultra-Nvidia GPU20 fois la puce.La société chinoise Cambrian a promis de développer la puce avec un milliard d'unités de traitement dans les trois prochaines années, la société développe une puce dédiée à l'apprentissage en profondeur.
Les géants chinois de la technologie tels que Baidu et Jingdong investissent également dans des sociétés d'IA étrangères, y compris les États-Unis.
Récemment, Baidu et Jingdong ont investi dans la société de la technologie financière américaine ZestFinance, Tencent a investi dans la société de l'intelligence artificielle oben à New York. Codes Pony.ai et la biotechnologie start-ups comme les États-Unis et la Chine ont mené des opérations entre les deux pays plus proche L'écart de concurrence.
Bien que les entreprises chinoises cherchent activement la coopération ou l'investissement aux États-Unis, les IA aux États-Unis ont plus d'investissements chinois que les IA en Chine, alors que relativement peu d'IA en Chine.
Quatrièmement, compter sur l'avenir de la défense de l'intelligence artificielle
Le marché de la sécurité des réseaux d'intelligence artificielle devient de plus en plus chaud, certaines start-ups ayant même une liste de clients gouvernementaux espérant prendre la tête des pirates informatiques.
Le centre de données devient un nouveau champ de bataille.
En 2014, Amazon a créé un service de cloud computing client pour CIA afin de répondre aux exigences rigoureuses de conformité et de réglementation des données sensibles.
Au quatrième trimestre de 2017, AWS ouvrira ces outils aux clients du gouvernement à l'extérieur du service de renseignement.
Amazon a également acquis deux sociétés de sécurité réseau, Harvest.ai et Sqrrl, pour sécuriser les données sensibles au cloud.
Peu importe si Amazon ou toute autre start-up s'adresse délibérément aux clients du gouvernement, l'intelligence artificielle est en train de devenir l'épine dorsale de la cybersécurité soutenue par le gouvernement.
Pendant la guerre froide, le gouvernement discute avec le « missile gap » entre les mérites rivaux d'ogives nucléaires ou la situation. Maintenant, le gouvernement est de plus en plus préoccupé par les lacunes dans leurs capacités de réseau. Le résultat de la sécurité du réseau en continu et à la défense de la tradition l'intégration.
Le risque de fuite de données a provoqué remarquable: de l'agence de notation de crédit des États-Unis fuite Equifax millions de numéros de sécurité sociale, puis à WannaCry événements de virus de l'extorsion de fonds tels que l'intervention russe dans l'élection présidentielle américaine.
Une analyse de SecurityScorecard, une société new-yorkaise investie par Intel Capital et Moody's et d'autres sociétés en 2017, a rapporté que l'organisation gouvernementale américaine a reçu le score le plus bas en matière de cybersécurité, avec un total de 552 Des agences locales, étatiques et fédérales, chacune avec plus de 100 adresses IP publiques. "
La sécurité réseau offre une réelle opportunité d'application pour les algorithmes d'intelligence artificielle, car les cyberattaques évoluent continuellement et la protection est constamment confrontée à une variété de logiciels malveillants inouïs. L'intelligence artificielle peut être largement utilisée dans des millions d'événements Le dépistage identifie les signaux anormaux, dangereux et potentiellement menaçants.
À l'heure actuelle, le marché a un grand nombre de société de sécurité réseau émergents, nous essayons de pousser l'apprentissage de la machine au niveau suivant.
Au cours des cinq dernières années, 134 entreprises de démarrage un total de 3,65 milliards $ en financement disponibles. L'an dernier, environ 34 entreprises pour la première fois pour obtenir le financement. À l'heure actuelle, le marché est les grandes entreprises telles que, Cybereason, CrowdStrike, Cylance et Tanium occupées par chaque entreprise La capitalisation boursière de plus de 900 millions de dollars américains.
Même tels que les sociétés de conseil traditionnelles Accenture développent en permanence des technologies de sécurité réseau de l'intelligence artificielle pour mieux servir les clients du gouvernement fédéral. L'US Air Force a des clients tels que start-up Endgame va vendre ses services aux agences gouvernementales américaines à Accenture, l'affaire Suscité préoccupation généralisée.
2016, les agences de renseignement bras d'investissement In-Q-Tel investi Anomali, Interset et Cylance. Darktrace société britannique affirme que son système est déployé dans le monde entier en 3000, y compris les organismes gouvernementaux situés dans le Colorado Logrhythm aussi avec les États-Unis Air Force , NASA et entrepreneur de défense Raytheon.
D'autres grands entrepreneurs de la défense investissent aussi constamment.
Lockheed Martin a été un des premiers investisseurs Cybereason (valeur marchande actuelle de 900 millions $ US). 2017, Boeing a investi Turk, au Texas, une société de sécurité Internet, grâce à son bras d'investissement SparkCognition Horizon X.
Comment allez-vous, Alexa?
Amazon Echo Accueil et Google dominent le marché intelligent des haut-parleurs à domicile, mais les services géants pour le marché non-anglais, mais pas réfléchi.
Alexa a ouvert une révolution dans le discours.
L'informatique à commande vocale est devenue un atout à 2018CES, et les appareils IoT qui ne se connectaient pas à Amazon Alexa ou Google Home étaient pratiquement inexistants.
Samsung développe son propre assistant vocal, Bixby, et espère que tous les produits de la société seront mis en réseau et intelligemment alimentés par Bixby d'ici 2020. LG a été en mesure de connecter toutes ses applications via le WiFi d'ici 2017. Actuellement, plus de 80 Le produit de LG pour réaliser l'accostage de Google Home.
Bien qu'Amazon fût à l'origine un leader dans le domaine de la voix, il est en retard sur son support linguistique.
Au dernier trimestre, Amazon a annoncé qu'elle enverrait des haut-parleurs alimentés par Alexa dans environ 80 pays, mais l'inconvénient est qu'elle veut que les utilisateurs à travers le monde interagissent avec les haut-parleurs en anglais, allemand ou japonais.
Google Home prend en charge l'anglais, l'allemand, le français et le japonais Le HomePod d'Apple ne prend actuellement en charge que l'anglais, mais il est prévu de prendre en charge l'allemand et le français bientôt.
À cet égard, Google a un plus grand avantage qu'Amazon.Un assistant téléphonique Google sur les téléphones Android prend en charge l'anglais, le français, l'allemand, l'italien, le coréen, l'espagnol et le portugais.Ses capacités de reconnaissance vocale - pour la voix - texte La conversion et la recherche vocale peuvent prendre en charge 119 langues.
Actuellement, le marché espagnol de la maison intelligente n'a pas été suffisamment pris en compte par les géants de la technologie, bien qu'il soit l'une des langues les plus utilisées après la langue chinoise.
En Chine, Alibaba a déclaré que le haut-parleur chinois Tmall Genie a vendu plus d'un million d'unités depuis son lancement en juin 2017.
En 2018, les assistants vocaux continueront de concurrencer sur le marché de la voix non anglophone pour la domination du marché.
Six, les cols blancs dans le processus d'accélération de l'automatisation
Les cols blancs comprennent des avocats, des consultants, des analystes financiers, des journalistes, des commerçants et d'autres personnes, et l'impact de l'intelligence artificielle sur ces personnes est aussi important que celui des cols bleus.
De plus en plus par la bénédiction de l'automatisation et de logiciels d'intelligence artificielle au niveau des experts pour renforcer l'effet de l'être humain dans la production auxiliaire de l'intelligence artificielle ou l'intelligence artificielle pour optimiser la production d'une nouvelle ère. Ceux-ci peuvent optimiser la production d'outils d'intelligence artificielle menacent une partie de bureau du travail en col blanc.
La figure suivante montre l'effet de l'automatisation au niveau des experts et des logiciels d'amélioration (EAA) du marché. Vous pouvez le voir sur la figure, start-up AI EAA empreintes de tous les horizons de la vie. En particulier, les deux avocats, les journalistes, les responsables de la santé le personnel du commerce ou de consultation des praticiens de l'industrie, ont le logiciel approprié AI SEEE peut être utilisé.
Par exemple, dans le travail juridique, l'IA offre un grand potentiel pour gagner du temps et améliorer l'efficacité, et les techniques de traitement du langage naturel et d'analyse de texte peuvent résumer des milliers de pages de documents juridiques en quelques minutes, Cela a été fait en quelques jours avant qu'une personne ne travaille, et l'utilisation de l'intelligence artificielle a contribué à améliorer l'exactitude de votre travail.
Au fur et à mesure que la plate-forme d'IA deviendra de plus en plus efficace et commercialisée, les modèles de facturation pour les cabinets d'avocats tiers qui pratiquaient auparavant des tarifs horaires seront également affectés.
Les programmeurs ne sont pas à l'abri de nombreux projets d'IA axés sur les tests logiciels basés sur l'intelligence artificielle, Debug et le développement front-end de base DiffBlue, basé au Royaume-Uni, a connu une forte croissance l'année dernière. Utilisez la technologie AI pour les corrections de bogues dans les efforts de codage quotidiens, l'écriture de code côté client, la traduction du code écrit dans un langage de programmation à un autre.
les secteurs de la santé et de l'éducation est considérée comme la moins touchée par l'impact de l'industrie de l'intelligence artificielle, parce que ces deux industries contiennent un grand nombre de tâches dynamiques et les praticiens de l'industrie exigent généralement une intelligence émotionnelle supérieure, mais l'intelligence artificielle est encore deux La pénétration de l'industrie, l'éducation, par exemple, les entreprises en démarrage travaillent à fournir des services de soutien du renseignement artificiel, tels que le marquage, l'enseignement des langues, la composition et ainsi de suite.
Sept, la migration de l'intelligence artificielle à la fin
L'industrie de l'intelligence artificielle a montré une tendance claire à migrer vers les terminaux en 2017. Par exemple, l'intelligence artificielle est intégrée dans des dispositifs et des capteurs plus petits et fonctionne en périphérie du réseau informatique. Laisser le nuage, ou même laisser le téléphone, à son tour, exister dans votre casque.
L'intelligence artificielle est de plus en plus dispersée.
L'intelligence des appareils, tels que l'intelligence sur les smartphones, les voitures et même les appareils sans fil, permet un traitement de l'information plus rapide, localisé et basé sur les scènes, car il n'est pas nécessaire de communiquer avec le cloud ou le serveur.
Par exemple, une voiture autonome doit réagir en temps réel aux conditions de la route, le processus de prise de décision est très sensible au temps et les retards de signal peuvent être mortels ou, dans le cas d'un assistant privé d'intelligence artificielle Accent et vos traits faciaux personnels.
En 2017, l'intelligence des terminaux a fait un bond qualitatif grâce aux investissements importants des géants de la technologie.
Apple a lancé la puce A11 avec le moteur neuronal, qui sera utilisé sur l'iPhone 8 et l'iPhone X. Apple a déclaré que la puce peut exécuter des tâches d'apprentissage machine à des vitesses allant jusqu'à 600B par seconde et conduit des tâches d'apprentissage machine comme FaceID Etc. Pendant l'utilisation de la fonction FaceID, le téléphone mobile n'a pas besoin de télécharger et de stocker des données utilisateur sur le cloud en émettant une lumière invisible sur le visage de l'utilisateur.
Intel, le principal fabricant de processeurs pour la plupart des datacenters, a dû rattraper la tendance de l'intelligence des terminaux par des acquisitions, et Intel a récemment introduit la puce de vision de bord Myriad X, une puce initialement acquise par Intel en 2016 La puce développée pour la société Movidius.
Intel a déclaré que Myriad X est capable d'effectuer des tâches d'apprentissage en profondeur sur une variété d'appareils finaux allant des smartphones aux moniteurs pour enfants en passant par les drones.
Google a proposé un concept similaire à Federated Learning, à l'exception du fait que certaines de ses tâches d'apprentissage automatique s'exécutent sur les terminaux, et sont actuellement testées sur le clavier Gboard de Google.
Bien que l'intelligence artificielle terminale affaiblisse le problème du retard de l'information, l'intelligence terminale a des limites dans l'espace de stockage et la puissance de calcul par rapport au nuage.
En outre, des modèles d'apprentissage en profondeur plus hybrides apparaîtront pour permettre une meilleure collaboration entre les différents points d'extrémité et entre les points d'extrémité et le cloud.
Huit, la montée du réseau de capsules
L'apprentissage en profondeur est le facteur déterminant de la plupart des applications AI actuelles, et grâce au réseau de capsules, l'apprentissage en profondeur est maintenant révisé.
Différents réseaux de neurones ont des structures différentes.La structure de réseau la plus célèbre dans l'apprentissage profond d'aujourd'hui est le réseau convolutif de neurones (CNN) .Cette nouvelle structure de réseau, le réseau de capsule, est devenue populaire et a de nombreux aspects Super capacité CNN.
Malgré le succès de CNN ces dernières années, nous ne pouvons pas ignorer ses défauts, et dans de nombreux cas, CNN est sous-performant et il existe des failles de sécurité potentielles Les chercheurs tentent depuis longtemps d'améliorer les algorithmes d'intelligence artificielle pour tenter de surmonter ces problèmes. .
Prenons l'un des exemples les plus courants: en reconnaissance faciale, CNN apprend tous les éléments du visage humain (yeux, nez et bouche), mais ne se souvient pas de l'emplacement spécifique de chaque élément, ce qui entraîne les deux suivants La figure peut être considérée comme un visage humain.
Geoffrey Hinton, l'un des principaux chercheurs en apprentissage en profondeur, a publié en 2017 un document de recherche présentant le concept d'un réseau de capsules, ou CapsNet.
Cet essai est encore en phase d'évaluation et manque de tests suffisants dans les contextes actuels, mais ses puissantes capacités ont provoqué une certaine agitation dans les milieux des médias et de la science et de la technologie.
Comme nous n'entrerons pas dans les détails ici, en résumé, le réseau de capsules reconnaît les choses à partir de caractéristiques plus importantes, nécessite moins de données d'entraînement et a un taux d'erreur plus faible, comme dans l'exemple ci-dessus, avec la bouche plus longue que les sourcils Le visage sera facilement identifié, mais CNN n'a aucun moyen de le faire.
Un autre problème avec le CNN est qu'il ne peut pas gérer de nombreuses variations des données d'entrée: par exemple, vous devez prendre plusieurs photos sous différents angles du même objet comme données d'entrée pour former un réseau de neurones à convolution pour reconnaître l'objet Identifier une grande variété d'objets nécessite une énorme quantité de données d'entraînement.
À cet égard, la capsule réseau CNN est considéré comme une meilleure performance que le réseau de la capsule nécessite moins de données de formation, et peut en outre être déduit par l'état d'un objet dans plusieurs états, chaque état n'a pas besoin d'entrer dans la formation données.
Hinton a également mentionné dans son journal, le réseau de la capsule a connu un certain nombre d'attaques sophistiquées contre l'essai (avec photos de un algorithme confus non qualifié), et se surpasser les performances des conclusions de convolution du réseau de neurones.
Juste un peu de traitement simple, les pirates seront en mesure de tromper les chercheurs du réseau de neurones de convolution de Google et OpenAI il a été pleinement démontré par quelques exemples.
Un des exemples les plus célèbres est le fait que dans un essai de 2015, les chercheurs ont traité un aperçu invisible d'une photo d'un panda géant et l'ont identifié comme un gibbon avec une cote de confiance de 99,3%.
Neuf, salaire à six chiffres de la guerre des talents d'intelligence artificielle
En nombre insuffisant, le nombre de chercheurs de pointe dans le domaine peut atteindre des millions.
La Chine recrute des experts dans le domaine de l'intelligence artificielle.
Certains des meilleurs chercheurs en apprentissage automatique répertoriés dans BMW Chine gagnent entre 56,7 et 624 000 $ et d'autres entreprises donnent de 31,5 à 410 000 $ à des spécialistes en apprentissage automatique. Location de site Web.
Selon un récent rapport de Tencent, il y aurait environ 300 000 personnes dans le domaine de l'intelligence artificielle, y compris des étudiants dans des domaines d'études connexes, alors que les entreprises pourraient avoir besoin d'un million de personnes ou plus Des experts intelligents pour répondre à leurs besoins d'ingénierie.
Aux États-Unis, la recherche de l'intelligence artificielle sur Glassdoor, la communauté de travail, montre plus de 32 000 emplois, dont beaucoup gagnent six chiffres.
Les grandes entreprises afin de creuser le meilleur talent de l'intelligence artificielle, donnera naturellement le salaire le plus compétitif.
DeepMind, qui a été acquise par Google en 2014, a déclaré dans son rapport financier que les «coûts de personnel et autres coûts connexes» étaient de 104,8 millions de livres l'année dernière.Une recherche rapide des employés de LinkedIn avait 415 employés.Il est supposé que c'est l'équipe de 2016 Échelle, après déduction des autres dépenses, le salaire moyen d'un membre de l'équipe est de 252 000 £ (environ 350 000 $).
En outre, les chercheurs en intelligence artificielle des grandes entreprises technologiques ont également quitté et ont commencé à créer leurs propres sociétés.
Ng a créé un fonds d'intelligence artificielle et a levé 175 millions de dollars après son départ de Baidu, où le responsable technologique de Groq, une start-up de puce d'intelligence artificielle, a développé TPU chez Google Hardware Engineering et plus tard chez Google X.
Yu Kai, directeur de la technologie et cofondateur d'Horizon Robot, une start-up nationale, a également travaillé pour Baidu à la tête du Deep Learning Research Institute de Baidu, à la tête de l'équipe de reconnaissance d'images.
Sans aucun doute, la bataille pour le talent deviendra plus intense alors que les gens talentueux afflueront continuellement vers les start-up.
Dix, la spéculation dans l'apprentissage automatique va disparaître
L'apprentissage automatique va bientôt «sortir de l'autel». Plus de 1 100 nouvelles start-up d'IA apparues depuis 2016 ont besoin d'un modèle d'affaires solide pour rester en vie.
Le Big Data d'abord, puis le Cloud, c'est l'apprentissage automatique maintenant, et le boom technologique vient par vagues.
En 2017, la popularité de l'apprentissage automatique a marqué le point culminant.
Cette année, les incubateurs ont engendré plus de 300 start-ups, soit trois fois plus qu'en 2016. Cette année-là, les investisseurs ont investi plus de 1,52 milliard de dollars dans des start-ups d'intelligence artificielle dans divers domaines, collectant des fonds en 2016 141%.
Depuis que plus de 1 100 entreprises d'IA émergentes ont achevé leur premier cycle de financement depuis 2016, cela représente plus de la moitié de toutes les start-ups d'IA qui ont traditionnellement bénéficié d'un financement par actions. Plus de la moitié des start-up historiques d'AI ont achevé le financement.
Cependant, cette vague de spéculation a rapidement disparu.
La normalisation de l'apprentissage automatique rendra les investisseurs sensibles aux sociétés d'IA qu'ils financent.
Comme Frank Chen, un capital-risqueur bien connu, a16z a déclaré: «Il n'y aura aucun investisseur à la recherche d'un démarrage d'IA dans quelques années." Les start-ups utilisent les algorithmes d'intelligence artificielle nécessaires pour alimenter leurs produits comme "hypothétiques".
En fait, nous avons vu cela dans de nombreuses industries.
L'apprentissage automatique est indissociable de l'IIoT Nous avons besoin d'intelligence artificielle pour comprendre les quantités massives de données collectées dans les machines et les capteurs et les traiter en temps réel.La quasi-totalité des entreprises de cybersécurité utilisent dans une certaine mesure les techniques d'apprentissage. En outre, les grandes entreprises technologiques offrent aux entreprises une solution d'apprentissage automatique.
Les meilleurs investisseurs évaluent soigneusement les startups en utilisant la technologie d'intelligence artificielle, par exemple, la société de diagnostic de biopsie liquide, a reçu cinq échantillons de sang non marqués avant d'obtenir l'intention d'investissement a16z et a commencé une analyse utilisant des algorithmes d'intelligence artificielle.
Onze, Amazon, Google, Microsoft domine l'entreprise AI
En cinq ans, les investisseurs ont investi 180 millions de dollars américains dans des start-up axées sur les services d'IA d'entreprise.Aujourd'hui, Amazon, Google et Microsoft peuvent faire face à l'élimination de petites entreprises.
Alors que de plus en plus d'entreprises se consacrent à l'intégration de l'apprentissage automatique dans leurs produits, les start-up commencent également à proposer le ML-as-a-service.
Actuellement, les grandes entreprises technologiques telles que Google, Amazon, Microsoft et Salesforce luttent pour améliorer leurs produits d'IA d'entreprise et espacer les petites entreprises et les fonds.
Google a présenté Cloud AutoML, qui permet aux utilisateurs de former leurs algorithmes avec leurs propres données pour répondre à des besoins spécifiques.
Amazon lance l'AI-as-a-service avec un slogan Amazon AI sous la bannière AWS L'objectif d'Amazon AI est de servir les développeurs grands ou petits qui ont besoin d'intelligence artificielle sans avoir à payer d'avance ou à s'impliquer Beaucoup plus de problèmes Amazon lance une API de type produit qui permet aux développeurs d'accéder à Amazon Lex (capacités NLP d'Amazon), Amazon Polly (capacités de synthèse vocale d'Amazon) et Amazon Rekognition (capacités d'analyse d'images d'Amazon)
Au cours du quatrième trimestre de 2017, Amazon a élargi son champ d'activité, y compris la reconnaissance vidéo, transcription audio et l'analyse des sentiments. AWS avant bien sûr laissé une empreinte profonde, seul le chiffre d'affaires du quatrième trimestre a été de 5,0 milliards $, soit une hausse de 44% .
En outre, Microsoft et Amazon sont également une concurrence féroce, suivie par Salesforces et Oracle et d'autres entreprises.
Douze, le diagnostic de l'intelligence artificielle a reçu l'approbation des organismes de réglementation
L'apprentissage automatique deviendra bientôt une opération de routine dans le domaine de l'imagerie médicale et du diagnostic.
Les régulateurs américains envisagent d'approuver l'intelligence artificielle à des fins cliniques.
La valeur de l'intelligence artificielle dans le diagnostic se reflète principalement dans la détection précoce de la maladie et d'améliorer la précision de la zone.
Les algorithmes d'apprentissage machine peuvent comparer les images médicales de millions d'autres patients pour des nuances négligeables à l'œil humain, et l'algorithme peut le faire en quelques secondes, mais les humains peuvent prendre des heures .
Il existe également une poignée d'outils de surveillance AI pour les consommateurs, tels que SkinVision, qui utilise la vision par ordinateur pour détecter les maladies de peau suspectes et une nouvelle vague d'applications médicales d'intelligence artificielle pour les hôpitaux et les cliniques.
Récemment, la société biopharmaceutique mondiale AstraZeneca a annoncé sa coopération avec Ali Health d'Alibaba pour développer des applications de diagnostic et de dépistage assistées par intelligence artificielle en Chine.
Avant cela, GE unissent leurs forces pour essayer de la technologie NVIDIA d'apprentissage en profondeur dans le domaine médical, Google DeepMind aussi essayer d'utiliser des techniques d'intelligence artificielle trouvées dans les maladies oculaires.
Google DeepMind, IBM, General Electric et d'autres géants pour entrer dans l'Alibaba fait des start-ups de se tailler le rythme de ce gâteau de marché de plus en plus difficile. Cela n'a pas empêché le rythme de l'aventure des entreprises émergentes.
Les soins de santé reste l'un des quartiers les plus populaires de capital-risque intelligence artificielle, beaucoup concentré sur l'imagerie médicale et le diagnostic de la croissance continue de l'entreprise a contribué à ce résultat.
Arterys, le fabricant de startups d'imagerie médicale, a reçu la première approbation de la FDA et aurait approuvé sa plate-forme de cloud computing pour analyser les images cardiaques après une série de tests sur la précision et la vitesse diagnostique.Arterys demande actuellement l'approbation de la FDA. Application en oncologie.
Une autre start-up israélienne appelée MedyMatch utilise des techniques d'apprentissage approfondies pour analyser l'hémorragie intracrânienne afin d'analyser les tomodensitogrammes. Récemment, la FDA a reçu une qualification révolutionnaire pour accélérer son délai de commercialisation.
Dans ce secteur médical à haut risque, où il y a un maximum de discorde qui prendra la responsabilité des systèmes de diagnostic erroné de l'intelligence artificielle. Les applications actuelles sont les radiologues auxiliaires et les médecins, mais ne sera pas l'arbitre final du diagnostic .
Treize, l'intelligence artificielle au bricolage
Laissez votre assistant vocal ressembler à un film et à une série télévisée ou créez votre propre caméra AI.
Vous n'avez pas besoin d'avoir un doctorat en informatique ou en mathématiques et vous pouvez construire votre propre système d'IA.
À l'heure actuelle sur le marché il y a beaucoup de logiciels open source, API massive et SDK et facile de commencer l'assemblage de la suite Google ou Amazon, ont été considérablement réduit le seuil pour les personnes à entrer dans le domaine de l'intelligence artificielle.
Google a introduit le plan AIY (intelligence artificielle soi-même), conçu pour permettre aux utilisateurs de tous âges de bricoler leurs propres produits d'intelligence artificielle.
projet AIY basé sur la naissance du premier produit, appelé AIY Kit Voice, est une combinaison de boîte à outils de reconnaissance vocale Raspberry Pi. Pour donner assistant vocal peut être comme la figure « Doctor Who » dans la série télévisée de science-fiction de la BBC, comme, 80 ans d'utilisation de la communication pour interagir avec l'assistant intelligent. (art dramatique, le temps Seigneur lui-même comme « le docteur » avec sa machine à temps poste de police britannique des années 1950 déguisées Ta Disi son partenaire dans le temps, l'exploration spatiale, la natation, bien et le mal Sauver la civilisation, aider la faiblesse.) Pas difficile à trouver, les utilisateurs sont basés sur la technologie de l'intelligence artificielle pour créer plus de nouvelles inventions.
En outre, Google a également introduit AIY Vision Kit, qui prend en charge le modèle de réseau neuronal, vous pouvez utiliser des algorithmes pour identifier les chats et les chiens, mais aussi pour faire correspondre les expressions faciales et les humeurs.
Amazon a également présenté DeepLense, une caméra d'apprentissage en profondeur de 249 $ qu'Amazon a fourni pour 7 500 $ au gagnant du premier marathon de hackers DeepLense.